بررسی رفتار ارتعاشی تسمه زمانبندی تحت عیوب مختلف به کمک روش های داده کاوی و هوش مصنوعی

در این پژوهش سامانه ای خودکار و هوشمند جهت تشخیص عیوب رایج تسمه زمانبندی بر اساس سیگنال های ارتعاشات آن معرفی شده است. بدین منظور ارتعاشات تسمه زمانبندی در عیوب مختلف و رایج آن تحصیل شد. به منظور داده کاوی از سیگنال های ارتعاشی ۶ تابع ویژگی انحراف از معیار, کورتوسیس، اسکیوونس، فاکتور ضربه، فاکتور شکل و فاکتور کرست که هریک از آنها بیانگر نوعی از رفتارهای یک سیگنال هستند؛ استخراج شدند. پس از استخراج مشخصه های هر عیب در مرحله داده کاوی، از طبقه بند شبکه عصبی مصنوعی (ANN) جهت تشخیص هوشمند تسمه های معیوب استفاده شد. شبکه عصبی توسط ۶۰ درصد از مشخصه های استخراج شده از سیگنال ها آموزش و سپس توسط مابقی آنها آزمون شد. نتایج نشان داد ارتعاشات تسمه در هنگام بروز عیب دچار آشفتگی گشته و رفتار ضربه ای شدیدتر از خود نشان می دهند. همچنین شبکه عصبی توانست با دقت ۹۰ درصد عیوب تسمه زمانبندی را تشخیص دهد و طبقه بندی کند. نتایج این پژوهش نشان می دهد که استفاده از سیگنال های ارتعاشی جهت تشخیص عیوب ریز تسمه زمانبندی و پیشگیری از پارگی کامل آن موثر بوده است. همچنین نتایج نشان داد تلفیق روش های داده-کاوی و هوش مصنوعی ترکیب توانمند و موفقی جهت عیب یابی تسمه زمانبندی است.

کلیدواژه ها:

Timing belt ، Fault detection and classification ، Vibration analysis ، Data mining ، Artificial Neural Network (ANN). ، تسمه زمانبندی ، عیب یابی و طبقه بندی عیوب ، تحلیل ارتعاشات ، داده کاوی ، شبکه عصبی مصنوعی.